Student loans inquiry responses show ‘massive scale of frustration and upset’
超过 52,000 人回应了下议院委员会在贷款条款受到批评的情况下提供证据的呼吁。数千名毕业生向官方调查讲述了他们与学生贷款有关的恐怖故事和糟糕经历，突显了议员委员会主席所说的大规模“沮丧和不安”。在围绕学位课程债务成本不断膨胀的争论中，超过 52,000 人回应了下议院财政部特别委员会作为对学生贷款和毕业生征税的调查。继续阅读...
How Amazon Finance streamlines regulatory inquiries by using generative AI on AWS
在本文中，我们将演示 Amazon FinTech 团队如何使用 Amazon Bedrock 和其他 AWS 服务构建可扩展的 AI 应用程序，以改变监管查询的处理方式。使用此解决方案的每个团队都会创建并维护自己的专用知识库，其中填充了该团队的特定文档和参考材料。
LTFRB queries TNVS fuel subsidy lists
陆路运输特许经营和监管委员会 (LTFRB) 表示，它向 21 家运输网络车辆服务 (TNVS) 公司发出了说明理由的命令，要求其解释其燃油补贴受益人名单，因为怀疑这些名单可能被夸大了。 “我们想查出与此事件有关的真相。是否有人故意试图增加[...]
From carpooling to buying secondhand, what eco-friendly actions do Americans take and why?
要点：美国人从事各种绿色行为，从回收到拼车到二手购物。皮尤研究中心的一项新调查询问美国人为什么要做这些事情。几乎所有美国人都至少从事我们询问的一项环保行为。但除了回收之外，帮助 [...]
RAG Is Burning Money — I Built a Cost Control Layer to Fix It
大多数 RAG 系统都是针对答案质量而不是成本进行优化的，而盲点的成本很快就会变得昂贵。在本文中，我分解了一个结合了语义缓存、查询路由、令牌预算和熔断的生产就绪成本控制层，在不牺牲答案质量的情况下实现了 LLM 成本降低 85%。 帖子《RAG 正在烧钱 — 我构建了一个成本控制层来修复它》首先出现在《走向数据科学》上。
AgentWatch: Proactive AWS monitoring with ambient agents
在这篇文章中，我们通过实际实施展示了 AgentWatch 的功能。您将看到该解决方案如何每 15 分钟执行一次基础设施检查，总结多个 AWS 账户的 CloudWatch 指标、日志和警报。该代理直接向 Slack 提供可操作的报告，并响应有关基础设施状态的自然语言查询。在整个过程中，我们探索了三种人机交互模式，在最大限度地提高自动化的同时保持适当的监督。
Integrate Atlassian Confluence Cloud with Amazon Quick
在本文中，您将了解如何设置 Confluence Cloud 与 Quick 集成。这包括创建用于语义搜索的知识库、设置操作来查询和管理 Confluence 页面以及在 Quick Spaces 中组织资源。快速与您当前的企业技术堆栈集成，从内部知识存储库和企业内联网到关键业务应用程序和 AWS 数据服务。
Как выбрать правильную секцию робототехники
打开任何目录，例如 2GIS 并输入查询“Robotics” - 您将看到数十个甚至数百个声称在机器人领域与儿童合作的组织...
Первокурсник HITs ТГУ занял первое место в авторитетном соревновании по анализу данных
TSU Vyacheslav Bakulin 高等 IT 学校 (HIT) 一年级学生赢得了由 Wallarm 公司组织的著名竞赛。参与者必须开发一个机器学习模型，根据来自“良好”查询和包含攻击的查询的数据对网络攻击进行分类。
10 More Things Teachers Can Do with Google NotebookLM (Beyond the Basics)
是否曾经感觉自己淹没在重复的学生问题、无休止的标题修改以及不断寻找新鲜、差异化的资源中？如果有一种简单的方法可以将这些耗时的任务转变为快速、自动化的工作流程，从而真正提升您和您的班级的学习体验，该怎么办？在这篇文章中，我将向您介绍教师已经使用 Google NotebookLM 来简化这些杂务的十种实用方法。您将看到“在您询问我之前”服务台如何减少重复查询，如何将评分细则变成适合学生的清单来增强独立性，以及自动退出票据如何为您提供即时、可操作的数据——所有这些都无需离开您已经喜欢的工具。最后，您将得到具体的提示，以创建包含定义、示例和练习句子的词汇包；即用型讨论提示强制提供基于证据的答案；甚至
Halliburton enhances seismic workflow creation with Amazon Bedrock and Generative AI
在这篇文章中，我们将探讨如何构建概念验证，将自然语言查询转换为可执行的地震工作流程，同时为哈里伯顿的地震引擎工具和文档提供问答功能。我们将介绍该解决方案的技术细节，分享显示工作流程加速高达 95% 的评估结果，并讨论可帮助其他组织通过生成 AI 增强其复杂技术工作流程的关键知识。
From data lake to AI-ready analytics: Introducing new data source with S3 Tables in Amazon Quick
Amazon Quick 推出 Amazon S3 表（Apache Iceberg 表）作为新数据源。借助此功能，客户可以直接查询和可视化存储在 Amazon S3 表存储桶中的 Apache Iceberg 表，而无需中间数据层。在这篇文章中，我们探讨了 Amazon Quick 的新 Amazon S3 表数据源如何在简化现代数据架构的同时实现近实时分析。
Unleashing Agentic AI Analytics on Amazon SageMaker with Amazon Athena and Amazon Quick
本文演示了 Amazon Quick 的代理 AI 助手如何使用 Amazon Simple Storage Service (Amazon S3) 作为存储、使用 Amazon SageMaker 和 AWS Glue for Lakehouse、Amazon Athena 跨多种存储格式（S3 表、Iceberg 和 Parquet）进行无服务器 SQL 查询，从而将数据分析转变为自助服务功能。
Testing SQL Like a Software Engineer: Unit Testing, CI/CD, and Data Quality Automation
如何将面试式 SQL 查询转变为生产就绪、可测试、版本控制的工作流程。
Adaptive Thinking: Large Language Models Know When to Think in Latent Space
大型语言模型 (LLM) 测试时计算的最新进展引入了在生成答案之前执行中间思想链 (CoT) 推理（思考）的功能。虽然增加思维预算可以在推理时实现平稳的性能改进，但对于实现计算最优推理，LLM 能力、查询复杂性和最佳预算分配之间的关系仍然知之甚少。为了应对这一挑战，我们利用自我一致性，即多个推理路径之间的一致性，作为思考必要性的代理。我们首先确定...
